Web3是一種去中心化、開放、透明的互聯網模式，與AI天然融合。它通過共享算力、開放數據市場、隱私計算等方式為AI發展提供新動力，同時AI也能為Web3帶來智能合約優化、反作弊算法等賦能。探索Web3和AI的結合對於構建下一代互聯網基礎設施、釋放數據和算力價值至關重要。通過代幣激勵全球工作者參與數據標註、合成數據、FHE保護隱私、去中心化算力網絡等技術，Web3能夠解決傳統中心化AI數據獲取的痛點。Edge AI讓設備具備AI能力，實現低延遲、實時處理和保護隱私。Web3與AI的融合將帶來創新的商業模式和服務。
原文標題：The Exploratory Journey of AI and Web3 Convergence andInnovation
原文作者：BadBot
原文來源：mirror
編譯：IOBC Capital
Web3作為一種去中心化、開放、透明的全新互聯網範式,與 AI 有著天然的融合契機。在傳統的集中式架構下,AI計算和數據資源受到嚴格控制,且存在算力瓶頸、隱私洩露、算法黑箱等諸多挑戰。
而Web3基於分佈式技術,可以通過共享算力網絡、開放數據市場、隱私計算等方式,為AI的發展注入新的動力。同時,AI也能為Web3帶來諸多賦能,如智能合約優化、反作弊算法等,助力其生態建設。因此,探索Web3和AI的結合，對於構建下一代互聯網基礎設施、釋放數據和算力價值至關重要。
數據驅動：AI與Web3的堅實基礎
數據是驅動AI發展的核心動力，正如燃料之於引擎。AI模型需要消化大量高質量數據,才能獲得深入理解和強大的推理能力，數據不僅為機器學習模型提供訓練基礎，還決定了模型的準確性和可靠性。
在傳統的中心化AI數據獲取和利用模式中,存在以下幾個主要問題:
數據獲取成本高昂，中小企業難以承擔；
數據資源被科技巨頭所壟斷，形成了數據孤島；
個人數據隱私面臨洩漏和濫用的風險
Web3能夠以新的去中心化數據範式來解決傳統模式的痛點。
通過Grass，用戶可以出售閒置網絡給AI公司，去中心化地抓取網絡數據，經過清理和轉化，為AI模型訓練提供真實、高質量的數據；
Public AI採用“label to earn”模式，通過代幣激勵全球工作者參與數據標註，匯聚全球的專業知識，增強數據的分析能力；
區塊鏈數據交易平臺如Ocean Protocol、Streamr等，為數據供需雙方提供了一個公開透明的交易環境，激勵數據的創新和共享。
儘管如此，真實世界的數據獲取也存在一些問題，比如數據質量不一、處理難度大、多樣性和代表性不足等。合成數據可能是Web3數據賽道未來的明星。基於生成式AI技術和模擬，合成數據能夠模擬真實數據的屬性，作為真實數據的有效補充，提高數據使用效率。在自動駕駛、金融市場交易、遊戲開發等領域，合成數據已經顯示出其成熟的應用潛力。
隱私保護：FHE在Web3中的作用
數據驅動時代，隱私保護已成為全球關注的焦點，歐盟的通用數據保護條例（GDPR）等法規的出臺，反映了對個人隱私的嚴格守護。然而，這也帶來了挑戰：一些敏感數據因隱私風險而無法被充分利用，這無疑限制了AI模型的潛能和推理能力。FHE即全同態加密，允許在加密數據上直接進行計算操作，而無需對數據進行解密，且計算結果與在明文數據上進行相同計算的結果一致。
FHE為AI隱私計算提供了堅實的保護，使得GPU算力能夠在不觸及原始數據的環境中執行模型訓練和推理任務。這為AI公司帶來了巨大的優勢。它們可以在保護商業機密的同時，安全地開放API服務。FHEML支持在整個機器學習週期內對數據和模型進行加密處理，確保敏感信息的安全性，防止數據洩露風險。通過這種方式，FHEML強化了數據隱私，為AI應用提供了一個安全的計算框架。FHEML是ZKML的補充，ZKML證明機器學習的正確執行，而 FHEML 則強調對加密數據進行計算以維護數據隱私。
算力革命：去中心化網絡中的AI計算
當前AI系統的計算複雜性每3個月翻一番，導致算力需求激增，遠超現有計算資源的供應。例如，OpenAI的GPT-3模型訓練需要巨大算力，相當於單個設備上355年的訓練時間。這樣的算力短缺不僅限制了AI技術的進步，更讓那些高級的AI模型對於大多數研究者和開發者來說變得遙不可及。
同時，全球GPU的利用率不足40%，加之微處理器性能提升的放緩，以及供應鏈和地緣政治因素導致的芯片短缺，這些都讓算力供應問題變得更加嚴重。
AI從業者們陷入了兩難：要麼自購硬件，要麼租賃雲資源，他們急需一種按需、經濟高效的計算服務方式。IO.net是一個基於Solana的去中心化AI算力網絡，通過聚合全球範圍內的閒置GPU資源，為AI公司提供了一個既經濟又易於訪問的算力市場。算力需求方可在網絡上發佈計算任務，智能合約將任務分配給貢獻算力的礦工節點，礦工執行任務並提交結果，經驗證後獲得積分獎勵。
IO.net的方案提高資源利用效率，有助於解決AI等領域的算力瓶頸問題。除了通用的去中心化算力網絡，還有像Gensyn、Flock.io這樣專注於AI訓練的平臺，以及Ritual、Fetch.ai這樣專注於AI推理的專用算力網絡。去中心化算力網絡提供公平透明的算力市場，打破壟斷，降低了應用門檻，提高了算力的利用效率。
在web3生態系統中，去中心化算力網絡將發揮關鍵作用，吸引更多創新型dapp的加入，共同推動AI技術的發展和應用。
DePIN：Web3賦能Edge AI
想象一下，你的手機、智能手錶、甚至家中的智能設備，都具備了運行AI的能力——這就是Edge AI的魅力所在。它讓計算發生在數據產生的源頭，實現了低延遲、實時處理，同時保護了用戶的隱私，Edge AI技術已經應用於自動駕駛等關鍵領域。
在Web3領域，我們有個更熟悉的名字—DePIN。Web3強調去中心化和用戶數據的主權，DePIN通過在本地處理數據，可以增強用戶隱私保護，減少數據洩露的風險；
Web3原生的Token經濟機制可激勵DePIN節點提供計算資源,構建一個可持續的生態系統。目前DePIN在Solana生態中發展迅速，成為項目部署的首選公鏈平臺之一。
Solana的高TPS、低交易費用以及技術創新為DePIN項目提供了強大支持。目前，Solana上的DePIN項目市值超過100億美元，知名項目如Render Network和Helium Network已取得顯著進展。
IMO：AI模型發佈新範式
IMO的概念由Ora protocol首先提出，將AI模型代幣化。在傳統模式下，由於收益分享機制缺失，一旦AI模型被開發出來並投入市場，開發者往往難以從模型的後續使用中獲得持續的收益，尤其是當模型被整合進其他產品和服務後，原始創造者很難追蹤使用情況，更不用說從中獲得收益了。
並且AI模型的性能和效果往往缺乏透明度，這讓潛在的投資者和使用者難以評估其真正價值，限制了模型的市場認可和商業潛力。IMO為開源AI模型提供了一種全新的資金支持和價值共享方式，投資者可以購買IMO代幣，分享模型後續產生的收益。
Ora Protocol使用ERC-7641和ERC-7007兩個ERC標準，結合AI預言機（Onchain AI Oracle）和OPML技術來確保AI模型的真實性和代幣持有者能夠分享收益。IMO模式增強了透明度和信任，鼓勵開源協作，適應加密市場趨勢，併為AI技術的可持續發展注入了動力。
IMO目前還處於初期嘗試階段，但隨著市場接受度的提升和參與範圍的擴大，它的創新性和潛在價值值得我們期待。
AI Agent：交互體驗的新紀元
AI Agent能夠感知環境，進行獨立思考，並採取相應的行動以實現既定目標。在大語言模型的支持下，AI Agent不僅能理解自然語言，還能規劃決策，執行復雜的任務。它們可以作為虛擬助手，通過與用戶的互動學習其偏好，並提供個性化的解決方案。在沒有明確指令的情況下，AI Agent也能自主解決問題，提高效率，創造新價值。
Myshell 是一個開放的 AI 原生應用平臺，提供全面易用的創作工具集，支持用戶配置機器人功能、外觀、聲音以及連接外部知識庫等，致力於打造公平開放的 AI 內容生態系統，利用生成式 AI 技術，賦能個人成為超級創作者。
Myshell訓練了專門的大語言模型，使角色扮演更人性化；語音克隆技術可以加速 AI 產品個性化交互，MyShell 把語音合成成本降低 99%，語音克隆僅需 1 分鐘即可實現。利用Myshell定製的AI Agent，目前可應用於視頻聊天、語言學習、圖像生成等多領域。
在Web3與AI的融合上，當前更多的是對基礎設施層的探索，如何獲取高質量數據、保護數據隱私，如何在鏈上託管模型，如何提高去中心化算力的高效使用，如何驗證大語言模型等關鍵問題。隨著這些基礎設施的逐步完善，我們有理由相信，Web3與AI的融合將孕育出一系列創新的商業模式和服務。
